说明:最速下降法是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。在求解损失函数的最小值时,可以通过梯度下降法来一步步的迭代求解,得到最小化的损失...
说明:包括基本的克里金(Kriging)插值法实现代码,仅实现基本方法部分,不包含扩展克里金方法克里金使用普通克里格插值在z和y位置的测量变量z,在未采样位置席,Yi。该函数需要包含变异函数所有必要信息的变量vstruct。vstruct是函数变差函数拟合的第四个输出参数。这是一个基本的,但易于使用的函数...